CC BY
56
УДК 519.711; 004.421; 519.68
В.1. ХАХАНОВ, С.В. ЧУМАЧЕНКО, G.I. ЛИТВИНОВА
ПЕРСОНАЛЬНИЙ В1РТУАЛЬНИЙ К1БЕРКОМП'ЮТЕР ТА 1НФРАСТРУКТУРА АНАЛ1ЗУ К1БЕРПРОСТОРУ
Наводяться результати держбюджетно1 науково-дослвдно1 роботи (НДР) №0112U000209, мета яко1 - створення 1ндив1дуального та в1ртуального комп'ютера в юберпростор! для виконання штелектуальних транзакцш з даними i сервками, ор1ентованими на кожну люди-ну. За завданням НДР проводиться анатз стану проблеми, висвiтлюються основт задачi та проблемнi питання, означаються шляхи ïx реалiзацiï, наводиться характеристику основних наукових та практичних результапв роботи. Ключовi слова: вiртуальний шберкомп'ютер, кiберфiзична система, цифровi кубiтнi структури, моделювання, дiагностування та ремонт цифрових систем, велик! даш, мультипроцесор, векторно-лопчний аналiз i простiр, кри-терш якосп, дiагностування несправностей пам'ятi, процес-модель.
Вступ
Об'ект дослщження - юберпрост1р як сукупшсть взаемозв'язаних сервгав та даних, що доставляються користувачу.
Предмет дослщження: в1ртуальний персональний юберкомп'ютер як новий тип штелек-туального штерфейсу м1ж юберпростором та користувачем.
Методи дослщження - булева алгебра, векторно-асощативна лопка, теор1я множин, теор1я граф1в, теор1я цифрових автомапв - для побудови моделей тестування; лопчний анатз, теор1я алгоршмв, методи проектування та моделювання цифрових систем - для синтезу теспв, структур даних i сервюного обслуговування; методи анал1зу якосп моделей та ефективност сервюного обслуговування цифрових систем - для досягнення задано1' глибини пошуку дефекпв запропонованими методами; internet of things, big data analytics, кубгтш структури даних, квантов! технологи обчислення, модел1 юберф1зичних систем - для управлшня даними.
Науково-практичним результатом, на одержання якого була спрямована НДР, е розроб-ка та впровадження метод1в та моделей, ор1ентованих на створення персонального в1рту-ального юберкомп'ютера та шфраструктури анал1зу юберпростору, який потенцшно викори-стовуе вс структуры, обчислювальш та штелектуальш потужност юберпростору планети.
Перспективи розвитку в1ртуального комп'ютшгу - створення метрики-семантично1' мо-дел1 взаемоди технолопчно1' культури big data з штелектуальними сенсорами мошторингу реального свгту для управлшня юберф1зичними процесами, пщвищення якосп життя людей i збереження екосистеми планети. Задач! анал1зу джерел [1-4, 5-14, 16-18]: 1) Визначення актуальних ринково-ор1ентованих напрям1в науково-осв1тшх дослщжень i дизрапторного розвитку юберекосистеми планети. 2) Ринково ор1ентоваш структури юберф1зичних систем управлшня неприродними процесами. 3) Використання технолопчно1' культури big data для створення юберф1зичних систем мониторингу та управлшня.
Ход дослщження та основш результати
Наука - сфера людсько1' д1яльносп, спрямована на процес збору та анатзу факпв для отримання об'ективних знань про навколишню дшсшсть з метою прогнозування природних явищ та активного управлшня творчими процесами розвитку людства. Мета науково1' д1яльност1 - еволюцшний перехщ науки з1 стади пасивного мошторингу та анал1зу до фази активного керування суспшьними i юберф1зичними процесами для забезпечення якост життя людей i збереження екологп планети.
Освгта - безперервний процес формування (духовно^ ф1зично1', емоцшно1', штелектуально1' та професшноГ) культури людини шляхом придбання та накопичення загальнолюдських цшностей, знань, умшь i навичок за допомогою юнуючо1' у час! i у простор! багатор1внево1' системи виховання i навчання, що мае за мету придбання сощально1' значущосп кожним 1ндивщуумом у творчому процес! розвитку людства, спрямованому на пщвищення якост життя людей i збереження екосистеми планети. Даш визначення ютотш для викладу
дослщження, яке спрямоване на рацiональну 3MiHy кiберфiзичноi екосистеми планети шляхом вилучення людини з yправлiння неприродними процесами.
1ндекси числа наукових публшацш [15] в IEEE Xplore формують моднi тренди в напрям-ку створення кiберфiзичноi екосистеми: бютехнологи (13907), нанотехнологп (26176), Internet of Things (4200), Smart Everything (46439), Cloud Computing (19865), Big Data and Analytics (7709), Cyber Physical System (CPS) (2348), мобшьш технологи (220000) та сощальш мережi (19782), технологи юберзахисту (124917), штучний штелект (149397). Цшавий також рейтинг посилань в IEEE Xplore для комп'ютерних напрямюв ринку науково-осв^шх послуг: Program Engineering (79783), Computer Engineering (196748), System Engineering (376614, Electronics - 566496), Social Engineering (10012), Radio Engineering (38546, 151094 - Radiosystems), Electronical Engineering (119856), Production Engineering (45293), Telecommunications (228278), Applied Mathematics (10034), Computer Science (181916), Media Devices and TV (28126), System Programming (159495), Computer Networks and Systems (44853), Internet (118157), Control Systems (563336), Computers (702123), Computer Science and Engineering (61369).
Проривними системо-утворюючими дизрапторами для швестицш часових, фшансових i людських ресyрсiв у найближчi 8 роюв будуть: 1)Crowd-sourcing / open-sourcing of hardware development (419240), 2) Changes in educational structure / design (MOOCs) (387777), 3) Virtual / alternative currencies (Bitcoin) (71), 4) Smartphone for payment (216), 5) Cloud computing (20291), 6) Robots as source of labor (281), 7) Nonvolatile memory influencing big data accessibility and portability (2308), 8) Quantum / nondeterministic computing (7653), 9) 3D printing (1335), 10) Green computing (5827), 11) New user interfaces (Siri, Kinect) (11051).
Кiберфiзiчна система покликана зробити активною концепщю big data, розглядаючи велик даш у взаемодп з юберсистемами (хмарами) управлшня, орieнтованими на пошук, розшзнавання i прийняття ршень. Структурний змют CPS (рис. 1) - сукупшсть комуткацш-но пов'язаних реальних i вiртyальних компонентiв з вираженими функщями адекватного фiзичного цифрового мониторингу та оптимального хмарного комп'ютерного юберуправлш-ня для забезпечення якост життя, продyкцii, процесiв або сервюв у заданих умовах обмежень у часi i ресурсах. CPS включае компоненти: Cyber Control, Internet of Things або Cloud, Security, Intelligence, Big Data and Services, Digital Monitoring, Cyber Managing, Physical Smart Everything, Nature, Social, and Tech World. Регуляторш вщношення (Relationship) мiж компонентами CPS формуються законами, статутами тдприемств i оргашзацш, морально-етичними правилами поведiнки всерединi соцiальноi групи. Напрямок руху RoadMap -Harmony of Human, Nature and Tech кiберфiзичноi системи людства можна визначити як досягнення такого iнтегрального рiвня розвитку кiберфiзичних компонентiв, який забезпе-чить гармонiю життя людини з природою i технiкою (створеним св^ом - Created World).
Рис. 1. Юберф1зична система управлшня неприродними процесами
Гармошя передбачае створення кiберiнтелектy, який до 2050 року повинен позицюнува-тися як мозок людства (Humanity Brain); цифрову щентифшащю вшх фiзичних процесiв,
об'екпв i тривимiрного простору за допомогою технологiй Internet of Things, Smart Everything i Big Data.
Особливе значення тут набувае досить нова «частково рекламна» парадигма Big Data, для критики яко! iснуе не менше фахiвцiв, нiж тих, хто вважае И дизраптором або проривною технологiею зберiгання та аналiзу даних ХХ1 столiття. На жаль, практично не юнуе точного визначення даного достатньо модного ринкового тренда.
Big Data - технолопчна культура юберпростору, спрямована на формування шфраструк-тури, що динамiчно розвиваеться, кiберфiзичноl екосистеми планети шляхом метрики-семантично! структуризаци великих потокiв (обсягiв) гетерогенних даних на основi викори-стання штелектуальних швидкодiючих спецiалiзованих хмарних фiльтрiв паралельного мон-iторингу та метричного анатзу витягувано! шформацп для online управлшня фiзичними та вiртуальними процесами.
При цьому можна видiлити декiлька принцитв, що характеризують Big Data [5-14,16-18]: 1) Замють причинно-наслiдкових зв'язкiв пропонуеться використовувати домiнування коре-ляци шформацшних об'ектiв. 2) Замiсть вибiрки даних (максимум корист з мiнiмуму шформаци) - пропонуеться використовувати повну множину матерiалiв. 3) Замiсть збер^ан-ня даних - iнновацiйно декларуеться, що цшнють даних полягае в рiвнi !х багаторазового або масового використання вчора, сьогоднi i завтра для прогнозування та / або управлшня дшснютю. 4) Замiсть традицiйних знань для розумшня минулого пропонуеться здобувати здатнють прогнозувати майбутне. 5) Замють структур даних з жорсткими зв'язками -адресна оргашзащя фiзичних i вiртуальних об'ектiв i процесiв. 6) Замють ручного введення даних - використання 1нтернету як входу до юберсистеми: smart everything + internet of everything. 7) Замють винесення даних за межi юберпростору - використання як виходу юберсистеми 1нтернету i керуючих регуляторних впливiв для cyber physical systems. 8) Замють технологш пасивного вщображення реального та вiртуального свiту - кiберфiзичнi системи монiторингу та аналiзу даних для управлшня фiзичними та вiртуальними процесами. 9) Замють ушверсальних та великовагових систем збору та аналiзу шформаци -спецiалiзованi вiртуальнi паралельт мультипроцесори монiторингу та управлiння фiзичними та вiртуальними процесами. 10) Замють хаосу статичних даних i знань в кiберпросторi 1нтернету - поступова семантична структуризацiя динамiчних потокiв великих даних юбер-фiзичних процесiв i явищ для !х ефективного мошторингу, аналiзу та управлiння. 11) Замють невпорядкованих даних, важких для розумшня i використання людиною або юберсистемою - розумнi, метрично ранжованi шформацшш структури, орiентованi на прийняття оптимального ршення. 12) Замiсть вщокремленого розвитку реального та вiртуального просторiв -поступове створення замкнуто! кiберфiзичноl екосистеми планети для спiльного гармонш-ного розвитку реального та вiртуального свiтiв. На додаток до матриц big data, що диферен-щюе, можна ще додати зовсiм ушкальну характеристику VVVV: volume - велика розмiрнiсть даних; velocity - висока швидкодiя надання сервiсу; variety - потужна просторово-часова семантика i онтолопя даних; veracity - висока валщнють i точнiсть корисно! шформаци.
Одним з можливих споживачiв big data культури е CPS, яка орiентована на замiну людини-менеджера кiберхмарними сервюами управлiння соцiальними групами, бюлопчни-ми, техшчними та вiртуальними об'ектами. Мета кiберфiзичноl системи - Human Long Life Quality - визначаеться якютю життя людства, соцiальних груп i кожно! людини в гармонil iз зеленою планетою i штучним свтом. Мета, як функцiональний вихiд CPS, залежить вiд точного цифрового мошторингу та оптимального юберуправлшня вiртуальними та фiзични-ми ресурсами, що включають час, грош^ кадри i матерiали. Головною вiдмiннiстю масшта-бовано! кiберфiзичноl системи е вiдсутнiсть людського фактора в блощ управлiння (Cyber), що робить ll, при конструктивнiй i гуманнiй законотворчостi, справедливою, ефективною, оптимальною, надшною та захищеною вiд суб'ективних помилок менеджера.
Ринковопривабливi глобальнi проекти сьогоднi виконуються пiд егiдою об'еднання фiзич-ного i вiртуального простору в едине цше. Кiбер-фiзичний прос^р (Cyber Physical Space) -метрика телекомушкацшно! взаемодil фiзичних, бiологiчних i соцiальних об'ектiв, процесiв i явищ з вiртуальними або хмарними (комп'ютерними) технолопями монiторингу та управл-шня на основi використання Internet of Things & Smart Everything для досягнення сощально значущих цшей. Вш покликаний iнтегрувати найбiльш перспективнi кiберфiзичнi техно-
лопчш ршення: 1) Вбудований iнтерфейс безпосереднього зв'язку мозку людини з комп'ю-тером та/або Ki6epnpocTopoM шляхом замши послщовних мовних iнтерфейсiв на паралельш образш вiдношення. 2) Створення штучного штелекту для самонавчання i самовдоскона-лення кiберфiзичних структур, програм i процесiв. 3) Нановирощування комп'ютера шляхом адитивного структурування атомiв. 4) Найщкавше рiшення пов'язане з невiдворотнiстю природно! вiдмови людства вiд функцiй упрамння бiологiчними, соцiальними та технiчними об'ектами i процесами на користь неупереджених кiберфiзичних систем!
Дев'ять технiчних лiдерiв IEEE Computer Society [15] об'еднали зусилля для прогнозу-вання майбутнього планети, до якого включеш 23 комп'ютерш технологи 2022 року. Сформована юбермода на найближчi 8 роюв: 3D printing, big data and analytics, open intellectual property movement, massively online open courses, security cross-cutting issues, universal memory, 3D integrated circuits, photonics, cloud computing, computational biology and bioinformatics, device and nanotechnology, sustainability, high-performance computing, internet of things, life sciences, machine learning and intelligent systems, natural user interfaces, computer vision and pattern recognition, networking and interconnectivity, quantum computing, software-defined networks, multicore, and robotics for medical care.
Як шдсумок сказаному вище можна констатувати, що кiберфiзичнi системи, велик дат i квантоподiбнi паралельш мультипроцесори формують сегмент ринку, призначений для пошуку, розшзнавання та прийняття ефективних управлiнських рiшень.
Пропонуеться big data driven кiберфiзична система (рис. 2) online управлшня фiзичними та/або вiртуальними процесами, iнварiантними по вщношенню до сфер людсько! дiяльностi.
Рис. 2. К1берф1зична система управлшня процесами
Окрем1 задач^ яю позицюнуються як процеси, визначеш в час i простор^ можна сформу-лювати у виглядi такого списку: 1) цшевказування при стрiльбi, коли мiшень управляе ракетою; 2) пошук контенту за ключовими словами, якi ототожнюються з булевими примгтивами; 3) управлiння свттлофором з боку машин, якi формують в online-режимi матрицю актюатора; 4) навчальний план управляе осв^шм процесом студента; 5) зл^но-посадкова смуга керуе посадкою лгтака; маршрут транспортного засобу керуе його пересу-ванням; 6) roadmap, вiдносини i розумш сенсори керують соцiальними iнститутами, вироб-ничими пiдприемствами i компанiями.
Представлена big data driven кiберфiзична система управлшня фiзичними процесами мае шновацшш вiдмiнностi вiд iснуючих рiшень: 1) матричне подання мети, процесу, маршруту руху, компетенцш об'ектiв i суб'екпв; 2) online виконання всiх процешв; 3) використання нецифрово! булеан-метрики для структурного i скалярного оцiнювання процешв i явищ; 4) використання метричного дискретного булевого простору для щентифшаци процесiв i явищ, застосування big data технолопчно! культури для оргашзаци та активного управлiння юбер-фiзичними процесами; 5) кiберсистемне управлiння процесами на основi жорстко! взаемоди виконавчого та керуючого механiзмiв, сенсорiв i актюаторiв.
Взаемодiя штелектуальних засобiв (фiльтрiв) управлiння та big data в рамках кiберфiзич-но! системи фiльтрiв пошуку корисно! шформаци подiбна до процесу видобутку золота з шску за допомогою драги, налаштовано! на видiлення важкого металу, коли легкi фракцн вимиваються водою. Слщ зауважити, що баланс екосистеми не порушуеться, а здобуте золото залишаеться на планетi, тшьки в строго визначеному мiсцi. Аналопчш процеси протiкають i в кiберекосистемi планети, коли з хаосу юберпростору важкою працею розум-них фшк^в видобуваеться корисна iнформацiя, щоб !! потiм покласти в осередок вже структуровано! частини кiберпростору, яка стае reusable i може бути легко доступна вшм бажаючим. Людство прагне порядку i структуризацн, але воно також вщповщальне за смiття i хаос в кiберпросторi, обсяги якого ще бшьшою мiрою пiдпорядковуються закону Мура. Кожш 2 роки шформащя подвоюеться, а до 2020 року ll обсяг складе 40 зеттабайт. Тому процес упорядкування шформаци завжди буде вщставати вiд мусоризаци юберпрос-тору. Сьогоднi людство фiльтруе i використовуе близько 0,4 вiдсотка вже корисно! шфор-мацi!. Далi не буде бшьше. Це означае, що в найближчi 100 рокiв актуальшсть технологiчно! культури big data для створення «правильно!» шфраструктури кiберпростору буде тшьки зростати. Прогнозуеться, що фiнансовi i кадровi iнвестицi! для створення шфраструктури юберекосистеми до 2020 року зростуть на 40%. 1нвестици в збереження та захист шформаци, Big Data i Cloud Computing будуть зростати значно швидше.
Сьогодш бiльше 60% компанiй роблять швестици в технологi! Big Data, Cloud Services та аналггичт продукти, щоб мати big data-driven юберуправлшня кадровими та матерiальними ресурсами. Понад 60% компанш у свiтi, за оцшками журналу «Форбс» готовi купити програмш системи управлiння ресурсами. Компанi! замотивоваш сiмома аргументами: продукти дорослiшають i розумнiшають, !х стае легко купити, з'явився зручний користу-вальницький штерфейс, системи здатнi iнтегрувати численнi програмш засоби компани, Big Data реально дозволяе управляти кадрами - шляхом playing "Moneyball" with their people data, хмарш технологi! дозволяють легко перемикатися на новi сервiси управлшня кадрами, а талант став назавжди стратегiчним товаром i головним питанням кожного керiвника. Людський капiтал, за оцшкою журналу «Форбс», мае шдекс важливостi для вирiшення проблем компани, оргашзаци, держави - 2,44; управлiння i виконання операцiй 2,10; шноваци 1,99; решта 7 мають iндекси: вiдносини зi споживачами 1,72; глобальна политика 1,68; урядове регулювання 1,55; глобальна експаншя 1,31; корпоративний бренд i репутацiя 0,92; стiйкiсть 0,82 i вiра в бiзнес 0,46. Дуатзм управлiння на основi Big Data i Cloud Services включае: 1) детермшзм - технологi! (правильш данi) керують нами i 2) волюнтаризм - ми керуемо технолопями. Обидва варiанти в своему комплексному розвитку призводять ринок хмарних технологш управлiння до детермiнiзму на основi використання концепцi! юберф> зичних систем, де ф^урують величезнi масиви даних, не завжди достовiрно! iнформацi!. Але розумна анаттика движкiв по Big Data просторам повинна навчитися формувати правильне рiшення. Leon Trotsky: "Tell me anyway - maybe I can find the truth by comparing the lies". Скажи меш. що ти думаеш, в будь-якш форм^ а я зумда знайти правду порiвнянням навт неправдивих висловлювань. За даними журналу «Форбс» технолопя Big Data згенеруе в 2015 рощ 3,7 трильйона прибутку в продуктах i сервюах, що означае появу на ринку 4,4 мшьйона нових робочих мюць. Якщо врахувати, що у вшх компанiях св^у заробiтна плата становить 40% доходiв, то управлiння персоналом та ресурсами сьогодш е найважливша проблема бiзнесу. Головний висновок iз сказаного - людство настшьки генiальне i одночас-но недосконале, що воно не може об'ективно керувати самим собою! Людина гешальна у творчосп i бездарна у самоврядуваннi. Таким чином, св^овий ринок безальтернативно приходить до необхщносп використання кiберхмарного управлiння ресурсами i кадрами без участi людини, але на основi витягу правильних даних з кiберiнформацiйного «смiття».
Мета ринкового бренду big data - вирощування в кiберпросторi культурного шару шфраструктури метрико-семантично впорядковано! легко доступно! корисно! reusable шформацн за рахунок розробки вiртуальних хмарних сервгав на основi паралельних мультипроцесорiв, що виконують роль швидкодiючих iнтелектуальних фiльтрiв при пошуку, розпiзнаваннi та прийнятп рiшень.
Задачi технологiчно! культури big data:
1) Збертання неструктуровано! рiзнорiдно! iнформацi! в надiйних розподiлених системах, що обслуговуються Hadoop-сервюами.
2) AHani3 big data в реальному 4aci за допомогою низькорiвневих паралельних штелек-туальних швидкодiючих процесорiв середовища Map-Reduce, помiщених в хмaрнi сервюи.
3) Створення нових метрик вимiрювaння вiдстaней мiж процесами та явищами в кiберпросторi для побудови швидкоддачих метрико-семантичних фiльтрiв пошуку корисно! шформацл.
4) Розробка i впровадження шфраструктурних рiшень для кiберпростору з метою компактного збериання i швидкого семантико-метричного витягу корисно! класифшовано! шформаци за допомогою хмарних сервiсiв i спецiaлiзовaних процесорiв.
5) Створення типового шаблону кiберфiзично! системи упрaвлiння big data analytics, що використовуе структури хмарних фшь^в для вилучення корисно! шформаци з великих обсягiв неструктурованих даних з метою отримання прибутку шляхом big-data-driven уп-рaвлiння фiзичними та вiртуaльними процесами.
6) Побудова масштабовано! кiберiнформaцiйно! системи масово! метрико-семантично! переробки в реальному мaсштaбi часу великих обсяпв даних в корисну структуровану iнформaцiю, що використовуеться для управлшня фiзичним свiтом.
7) Розробка big data-driven аналогично! кiберфiзично! системи прогнозування (плануван-ня) та упрaвлiння неприродними (соцiaльними) процесами та явищами (катактзмами) шляхом точного i вичерпного мониторингу громадсько! думки для вироблення регуляторних iнформaцiйних управляючих впливiв з метою забезпечення якостi життя соцiaльних груп та усунення конфлiктiв. Наприклад, при бажанш можновлaдцiв можна без фшансових i часових витрат усунути вс конфлiкти в Укрa!нi шляхом законодавчого врахування iнтересiв усiх верств населення в чаш i просторi на основi толерантного об'еднання iсторичних, мовних i нaцiонaльних культур. Курс будь-яко! системи влади на перетин штерешв соцiaльних груп, що очевидно вшм i не тiльки знавцям математики, неодмшно призводить до порушення цшсносп та / або зaгибелi державних утворень.
Структура юбершформацшно! системи (рис. 3) з сигналами мошторингу та управлшня мютить компоненти: 1) «Big data - good data», яю повинш прагнути процентного стввщно-шення 90:10. 2) Хмaрнi сервiси-фiльтри, призначеш для формування 10 вiдсоткiв структуро-вано!, легко доступно!, корисно! i багаторазово затребувано! iнформaцi!. 3) Мат^альш та чaсовi ресурси для трансформування юберпростору в семантико-метричну iнфрaструктуру правильних даних. 4) Метрики клaсифiкaцi! та ощнювання iнформaцiйних об' екпв, необхiднi для створення фiльтрiв, aнaлiзу big data i синтезу структур правильних даних. 5) Вектор стану юберпростору, що визначае фактичне сшввщношення мiж «big data i good data» в реальному част 6) Мета - досягнення високого рiвня правильних даних (Good Data = PureData) по вщношенню до «шформацшного смотя» - big data i подальшого використання вже метрико-семантично-структурованих даних для оптимального управлшня кiберфiзич-ними процесами планети.
Рис. 3. Юбершформацшна система трансформування big data За оцшкою журналу «Форбс» сьогоднi 36 вщсотюв компaнiй вкладають ресурси в технолопчну культуру big data. Однак тшьки 13 вiдсоткiв з них займаються прогнозуванням бiзнесiв у своему сегмент ринку. Проте вже 16 вщсотюв компaнiй намагаються використо-
вувати здобуп з big data правильш даш для управлiння кiберфiзичними процесами. Таким чином, можна зробити висновок, що на змшу статистичному аналiзу даних за частковою представницькою вибiркою приходить точний i повний аналiз великих даних за наперед заданою тематикою, де експертне формулювання проблеми е мистецтво попадання в цшь.
Висновки
Iснyючi програмнi продукти та публшаци практично не пропонують асощативно-лопчних технологiй пошуку, розпiзнавання та прийняття рiшень в дискретно iнформацiйномy просторi [19], що складаеться з big data. Практично вс вони використовують ушверсальну систему команд сучасного коштовного процесора з математичним спiвпроцесором. У той же час апаратш спещатзоваш засоби логiчного аналiзy, якi е !х прототипами [16], як правило, орiентованi на побiтовy або невекторну обробку шформаци.
Запропонований новий тдхщ векторно-лопчно! обробки великих даних з повним виклю-ченням арифметичних операцш, що впливають на швидкодiю i апаратну складнiсть, може бути ефективно реатзований на основi використання як сучасних мультипроцесорних циф-рових систем на кристалах, так i вiртyальних паралельних процесорiв, що фyнкцiонyють шд егiдою кiберфiзичних систем або хмарних сервiсiв-фiльтрiв. Фактична реалiзацiя пiдходy заснована на пропозици iнновацiйних моделей i методiв, якi використовують iдею векторно-лопчно! метрики кiберпросторy:
1. Метрика аналiзy кiберпросторy (big data) за допомогою вiртyальних процесорiв, яка характеризуеться використанням едино! логiчноi xor-операци для визначення кiбервiдстанi шляхом циклiчного замикання не менше одного об'екта, що дае можливють на порядок шдвищити швидкодiю аналiзy big data i тдрахунок нечисельних структурних критерив якост взаемоди iнформацiйних об' екпв на основi використання векторних лопчних операцiй для точного пошуку, розшзнавання образiв i прийняття рiшень.
2. Нова структурно-цифрова модель вiртyального процесора для точного пошуку шформаци, яка характеризуеться використанням векторних функцш належностi запиту до шфор-мацшних компонентiв big data i подальшого !х порiвняння для визначення мшмально! вiдстанi, що дае можливiсть вибрати оптимальний розв'язок при ютотному зменшенш часу пошуку за рахунок повного виключення арифметичних операцiй.
3. Нова автоматна модель вiртyального процесора, яка характеризуеться транзакцшною взаемодiею компонентiв пам'яп, виконуючих роль комбiнацiйних i послщовних елементiв, реалiзованих у формi куб^них або «квантових» примiтивiв, що дае можливють створювати паралельш вiртyальнi комп'ютери для ефективного виршення завдань анатзу big data без наявностi арифметичних команд i забезпечувати високу швидкодда хмарно-орiентованих процесорiв. Удосконалене визначення адресно-автоматно! моделi вiртyального комп'юте-ра <MQT> як органiзацiя структури фyнкцiональних примiтивiв пам'ятi без гальванiчних або дротових зв'язкiв, на яких визначенi адресш транзакци даних в часi i просторi для аналiзy об'ектiв у кiберпросторi big data. Запропоновано Q-метод синтезу обчислювальних пристро'в, який характеризуеться використанням векторно-куб^но! форми компактного опису структурних компонешгв, що дае можливють суттево пiдвищити швидкодiю адресно-орiентованого моделювання логiчних елементiв i зменшити розмiрнiсть пам'ятi для зберi-гання структур даних цифрового пристрою.
4. Нова юбершформацшна модель аналiзy big data, що використовуе засоби хмарних сервюв, кiберфiзичнi системи, паралельнi вiртyальнi мультипроцесори з мiнiмальним набором векторно-лопчних операцiй для точного пошуку шформаци на основi запропоновано! булеаново! метрики i векторно-логiчних критерив якосп, що дае можливiсть поступово! класифшаци та впорядкування хаотичних даних big data в масштабах юберекосистеми планети.
5. Практична значущють запропонованих моделей полягае в необхщност реструктури-заци кiберпросторy шляхом замiни концепци аморфних big data на семантично класифшова-ну iнформацiйнy iнфрастрyктyрy корисних даних, призначених для yправлiння кiберфiзични-ми процесами. У зв'язку з цим запропоновано напрями формування технолопчно! культури big data для поступового тдвищення рiвня корисно! iнформацii вiд 0,4 до 10% шляхом компетентнюно! шфраструктуризаци кiберпросторy великих даних.
6. Нова модель векторно-лопчного SIMD-мультипроцесора, який характеризуешься вiдсутнiстю арифметичних операцiй, паралельним обчисленням вiдстанi мiж запитом та шформацшними квантами, а також одночасним визначенням кращого з можливих n-ршень за мiнiмумом функцп приналежностi, що дае можливiсть на порядок шдвищити швидкодiю максимально точного пошуку даних в big data.
Основна шновацшна наукова та ринковоорiентована iдея виконаного дослщження поля-гае в створенш структур даних, метрицi, автомата i прототипу вiртуального процесора для синтезу кiберфiзичних систем: Smart Cloud Traffic Control, Smart Cyber University, Smart Big Data Analytics, яю при 1х функщонуванш вилучають присутнiсть людини.
Майбутнi дослiдження спрямованi на проектування big data driven cyber physical systems, яю орiентованi на постшну метрико-семантичну реструктуризацiю кiберпростору з метою зручного витягання знань, а також на перетворення соцiальних вiдносин неприродного св^у шляхом передачi управлiння вщ людини до хмарних сервiсiв.
Звгг про НДР мiстить 351 с., 61 рис., 17 табл., 32 лютинги, 120 джерел. Публшацн: монографн 1, навчальнi посiбники та тдручники 1, статтi 40, тези 108, патенти 2.
Список лiтератури: 1. Michael A. Nielsen & Isaac L. Chuang. Quantum Computation and Quantum Information. Cambridge University Press. 2010. 676p. 2. Stig Stenholm, Kalle-Antti Suominen. Quantum approach to informatics. John Wiley & Sons, Inc., 2005. 249p. 3. Горбатов В.А. Основы дискретной математики. М. : Высшая школа. 1986. 311 с. 4. Hahanov V.I., Litvinova E.I., Chumachenko S.V., Baghdadi Ammar Awni Abbas, Eshetie Abebech, Mandefro. Qubit Model for solving the coverage problem // Proc. of IEEE East-West Design and Test Symposium. IEEE. USA. Kharkov. 14-17 September 2012. P.142 - 144. 5. Hasan Alkhatib, Paolo Faraboschi, Eitan Frachtenberg, Hironori Kasahara, Danny Lange, Phil Laplante, ArifMerchant, DejanMilojicic, Karsten Schwan. IEEE CS 2022 Report. IEEE Computer Society. 2014. 163 p. 6. [http://www.tssonline.ru/articles2/fix-corp/rost-obema-informatsii—realii-tsifrovoy-vselennoy#sthash.rpNOdQLF.dpuf] 7. Mayer-Schцnberger V. Big Data: A Revolution that Will Transform How We Live, Work / V. Mayer-Schunberger, K. Cukie / Виктор Майер-Шенбергер, Кеннет Кукьер. Большие данные. Революция, которая изменит то, как мы живем, работаем и мыслим.- Изд-во: Манн, Иванов и Фербер. 2013. 240 c. 8. Demchenko Y., de Laat C., MembreyP.Defining architecture components of the Big Data Ecosystem // International Conference on Collaboration Technologies and Systems (CTS).-2014. P. 104 - 112. 9. GrolingerK., HayesM., Higashino W.A., L'HeureuxA., AllisonD.S., CapretzM.A.M. Challenges for MapReduce in Big Data // IEEE World Congress on Services (SERVICES). 2014. P. 182 - 189. 10. Lichen Zhang. A framework to specify big data driven complex cyber physical control systems // International Conference on Information and Automation (ICIA). 2014. P. 548 - 553. 11. Lichen Zhang. Designing big data driven cyber physical systems based on AADL // International Conference on Systems, Man and Cybernetics (SMC). 2014. P. 3072 - 3077. 12. MichalikP., Stofa J., ZolotovaI. Concept definition for Big Data architecture in the education system // 12th International Symposium on Applied Machine Intelligence and Informatics (SAMI). 2014. P. 331 - 334. 13. MunozM. Space systems modeling using the Architecture Analysis & Design Language (AADL) // International Symposium on Software Reliability Engineering Workshops (ISSREW). 2013. P. 97 - 98. 14. КурошА.Г. Курс высшей алгебры. М.: Наука, 1968. 426с. 15. Ariane Hellinger, Ariane Hellinger, Heinrich Seeger. Cyber-Physical Systems. Driving force for innovation in mobility, health, energy and production. Acatech. National Academy of Science and Engineering. 2011. 48p. 16. Vladimir Hahanov, Wajeb Gharibi, Kudin A.P., Ivan Hahanov, Ngene Cristopher (Nigeria), Tiekura Yeve (Cфte d'lvoire), Daria Krulevska, Anastasya Yerchenko,Alexander Mishchenko, Dmitry Shcherbin, Aleksey Priymak. Cyber Physical Social Systems - Future of Ukraine?// Proceedings of 12th IEEE EWDT Symposium, Kiev, Ukraine, September 26-29, 2014. P. 67-81. 17. Han Hu, Yonggang Wen, Tat-Seng Chua, XuelongLiP. Toward Scalable Systems for Big Data Analytics: A Technology Tutorial. IEEE Explore: 2014. ISSN: 2169-3536. P. 652 - 687. 18. Fadi H. Gebara, H. Peter Hofstee, and Kevin J. Nowka, IBM Research-Austin. Second-Generation Big Data Systems. IEEE Computer magazine. 2015, January. P. 36-41. 19. Бондаренко М.Ф., Хаханов В.И., Литвинова Е.И. Структура логического ассоциативного мультипроцессора // Автоматика и телемеханика. 2012. .№ 10. С. 71-92.
Надшшла до редколегИ 14.03.2015
Хаханов Володимир 1ванович, декан факультету К1У ХНУРЕ, д-р техн. наук, проф. кафедри АПОТ ХНУРЕ, IEEE Senior Member, IEEE Computer Society Golden Core Member. Науков1 штереси: техшчна дiагностика цифровых систем, мереж та програмних продуктiв. Захоп-лення: баскетбол, футбол, прсьш лижi. Адреса: Укра!на, 61166, Харшв, пр. Ленiна, 14, тел. +380 57 70-21-326. E-mail: [email protected].
Чумаченко Св^лана BiKTopiBHa, д-р техн. наук, проф., зав. кафедрою АПОТ ХНУРЕ. Науковi штереси: математичне моделювання, теорiя рядiв, методи дискретно! отгашзацп. Адреса: Украна 61166, Харюв, пр. Ленiна, 14, тел.+3805770-21-326, e-mail: [email protected].
Литвинова Свгешя Ивашвна, д-р техн. наук, проф. кафедри АПОТ ХНУРЭ, заст. декана факультету К1У ХНУРЕ, IEEE Member. Науковi iнтереси: технiчна дiагностика цифровых систем, мереж та програмних продукпв. Захоплення: баскетбол, футбол, гiрськi лижi. Адреса: Украна, 61166, Харкiв, пр. Летна, 14, тел. +380 57 70-21-326. E-mail: [email protected].
